GLM-5.3-FlashX 完整指南：Flash 的加速版

GLM-5.3-FlashX 是什么？

FlashX 是同一个 GLM-5.3-Flash 基座的高速服务版本：320B 总参数、约 18B 激活，原生多模态（文本、图片、视频输入，文本输出），1M 上下文窗口，最大输出 128K。智谱这次没有公布新的跑分或架构变化——因为权重没变，变的只是背后的推理基础设施。

换句话说，选 FlashX 买的是 「更快的响应速度」，不是「更聪明的模型」。官方对它的定位是：GLM-5.3-Flash 长期保持同尺寸最强智能，FlashX 在此基础上把输出速度大幅提升，用价格换时延。

• 最高 200 tokens/s，智谱称较 GLM-5.3-Flash 提升约 5 倍。注意「最高」二字——这是上限，不是平均值，实际速度取决于负载。
• 能力不变：同样的 320B/18B 基座、同样的多模态输入、同样的 1M 上下文与 128K 最大输出。
• 价格提升到 2.5 倍：每百万 token 输入 $0.37 / 输出 $1.25，而 Flash 是 $0.15 / $0.50。
• GLM Coding Plan 暂不支持：官方文档写明套餐当前开放的是 GLM-5.3-Flash（额度为 GLM-5.3 的 3 倍），暂未开放 GLM-5.3-FlashX。

为什么会有 FlashX？

Flash 的热度超出预期。智谱表示，GLM-5.3-Flash 上线后调用量持续攀升，此前由 10 万张国产芯片组成的推理集群「上线即被打满」。于是智谱进一步扩大算力并做推理优化：采用生产级 EPD（Encode–Prefill–Decode）分离式架构，把多模态编码、prompt 预填充和逐 token 解码拆成可独立调度、独立扩缩容的工作池，端到端服务性能较初始基线提升约 3 倍。

智谱还提到，它由 GLM-5.3 驱动的 Infra Agent 协助工程师优化算子、诊断性能瓶颈，形成了「模型优化系统、系统承载模型」的循环。FlashX 就是这轮 Infra 投入的付费产出：与其把快路径限量供应，不如单独定价。

说明：关于集群规模、提速幅度与 Infra Agent 的描述均为智谱官方口径，本文如实转述，不做额外背书。

价格：2.5 倍，买的是时延

智谱公布的每百万 token 价格（国际站 / Z.ai，美元）：

国内智谱开放平台（bigmodel.cn）对应的价格（元 / 百万 token）：

两边的比例一致，都是 2.5 倍（国内 0.8 × 2.5 = 2.0、2.8 × 2.5 = 7.0）。缓存存储费用目前限时免费。需要把推理 token 计入输出成本——这个模型关不掉思考。

所以问题不是「FlashX 值不值」，而是「卡住你的是不是时延」。同一份答案，贵 2.5 倍：有人的时候通常值——客服机器人、实时编码、每轮要跑十几步工具调用的 Agent，200 tokens/s 让一段长答案几秒内出完，体验完全不同；没人在等的时候通常不值——跑通宵的研究、批量文档处理、定时任务，Flash 产出同样结果但更便宜。

如何用上 GLM-5.3-FlashX

智谱官方 API 的模型编码是 glm-5.3-flashx。有两点先讲清楚：FlashX 暂不支持 GLM Coding Plan（需要用按量付费的标准 Key，不能用编程套餐 Key）；且截至本文发布，OpenRouter 的模型目录里只有 z-ai/glm-5.3-flash，还没有上架 FlashX。所以现在有两条路。

• 智谱官方 API 直连（今天就能用）——按下面的自建配置接入，或在任何能填模型 ID 的地方使用。
• 托管平台（OpenClaw Launch）——控制台的模型选择器列出的是所接入服务商提供的模型，所以等智谱目录（经 models.dev）或 OpenRouter 上架 FlashX 后，就能在这里直接选到。在那之前，同一个 320B/18B 基座可以用 OpenRouter Key 选到 z-ai/glm-5.3-flash，价格还便宜 2.5 倍。BYOK 自选模型需要付费计划，免费试用只能用固定的几个免费模型。

自建服务器怎么配？

如果自己部署 OpenClaw，在 openclaw.json 里配置智谱直连并指向 FlashX。注意两站 Key 与地址要对应：国际站 Z.ai 用 https://api.z.ai/api/paas/v4，国内智谱开放平台 用 https://open.bigmodel.cn/api/paas/v4，拿 A 站的 Key 打 B 站的地址会直接报鉴权或 model-not-found。下面以国际站为例：

{
  "models": {
    "providers": {
      "zai": {
        "baseUrl": "https://api.z.ai/api/paas/v4",
        "apiKey": "你的智谱 Key",
        "api": "openai-completions",
        "models": [
          { "id": "glm-5.3-flashx", "name": "GLM 5.3 FlashX" }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "zai/glm-5.3-flashx"
      }
    }
  }
}

想走 OpenRouter，同一个基座在那边是 openrouter/z-ai/glm-5.3-flash；如果之后上架 FlashX，ID 大概率是同一形状的 openrouter/z-ai/glm-5.3-flashx。部署前请到 openrouter.ai/models 核对当前的型号 ID，不要直接照抄任何教程（包括本文）——用过期的 ID 会直接报 model-not-found。

三个容易踩的坑

一、思考模式关不掉。Flash 系列强制推理——智谱 API 的 thinking.type 只接受 enabled，OpenRouter 也标注推理为必选、默认强度 max。如果你习惯在便宜模型上关掉思考来省输出 token 和延迟，这里没有这个开关；而且对 FlashX 来说，推理 token 恰恰是它想帮你更快产出的部分。

二、推荐参数是同样那套非常规设置。temperature 1、top_p 0.95、reasoning_effort: max、thinking.clear_thinking: false；流式请求建议同时开 stream 和 tool_stream——200 tokens/s 的提速只有在流式输出时才看得出来，非流式调用会把整个优势藏成一次长时间等待。

三、GLM Coding Plan 暂不支持 FlashX。如果你订阅的是编程套餐而不是按量付费：官方说明套餐开放的是 GLM-5.3-Flash（额度为 GLM-5.3 的 3 倍），FlashX 暂未开放。在套餐内请用 Flash，想用 FlashX 就先走按量付费。

该选哪个？

一句话：FlashX 不会让你的 Agent 更聪明，只会让它感觉更快。当「快」本身就是产品体验时买它；不需要时留在 Flash。

常见问题

GLM-5.3-FlashX 是新模型吗？

不是。它和 GLM-5.3-Flash 是同一个基座、同一套权重，区别在推理侧：最高 200 tokens/s（约 5 倍），价格为 2.5 倍。智谱没有公布新的跑分或架构变化。

GLM-5.3-FlashX 要花多少钱？

模型侧：国际站每百万 token 输入 $0.37、输出 $1.25（缓存输入 $0.075）；国内 2.0 元 / 7.0 元。都是 Flash 的 2.5 倍，按量计费。托管侧：Lite 计划首月 $3、之后 $6/月，Pro 计划 $20/月，支持支付宝和微信支付（BYOK 自选模型需要付费计划）。

FlashX 比 Flash 快多少？

智谱称最高可达 200 tokens/s，约为 GLM-5.3-Flash 的 5 倍。这是官方口径的「上限」，实际速度受负载影响；第三方观测到的 Flash 输出速度大致在 50–75 tokens/s 区间。

可以从 GLM-5.3-Flash 直接切过来吗？

可以。在控制台的模型选择器里搜索并切换即可，无需重新部署，聊天历史和平台连接均保留不变。两者接口完全兼容，只改模型名即可。

开始使用

更多国产模型对比见 模型对比页面 和 最便宜的模型盘点；也可以看看 GLM-5.3-Flash 完整指南、GLM-5.2 部署教程、DeepSeek V4 Pro、Kimi K3 指南。